论文部分内容阅读
讨论了油气层模式识别的流程和数据处理方法.以白音查干的达尔其为研究工区,T26层位为处理目标,达7井、达8井、达9井、达11井、达12井、达13井为样本井,对孔隙度、含油饱和度等物性数据进行神经网络学习和物性预测.结果表明,神经网络模型对动态变化性强的数据自适应性强,具备外推内插功能,对井间的油气物性变化的预测准确,处理结果合理.